專利名稱：產生用于光譜分析的基本組的方法和設備的制作方法
發明的
背景技術：
領域本發明涉及決定樣本中目標分析物的濃度。更具體地說，本發明涉及產生用于例如用多重光譜分析確定樣本中目標分析物的濃度的基本組的方法和設備。
現有技術的敘述光譜分析中的數據分析涉及到尋求最佳波長和產生精確校準的過程，以將一定的光譜數據組和一樣本組的構成的實驗室參比值聯系起來，這樣，分析即預言未知構成的未來樣本的數值就具有可能性。用于進行光譜測量的光譜儀器的校準的典型的完成方法是，對照實驗室參比數值，應用在一定波長數的吸收率的多重回歸，即數學上決定一條直線相應于一組數據的最佳的可能配合(例如，參見H.Mdrk光譜校準的原理的實踐，John Wiley & Sons，Inc.(1991))。
無誤差校準，即適用于Beer定律的樣本，是這樣一種樣本，其中被研究測試的組份(且是樣本中的唯一的組份)溶解在完全不吸收的溶劑中，并且僅有一個單個吸收率頻帶。在這種場合，校準樣本組中的組份的濃度在寬廣的范圍內被精確地認知，并且光譜測量儀表沒有噪聲、非線性或其他缺陷。在這樣一種理想的場合，吸收率峰的的高度嚴格地和組份的濃度成比例。這樣，就可能只用兩種樣本來校準一個系統，因為兩點能確定一條直線，并且直線的斜率和數據的截距可以容易地用已知的數字公式來確定。
不幸的是，這種理想的場合在現實世界中是不存在的。例如，光譜測量要受到數據中的偏斜這樣的現象的支配，數據偏斜是由儀器、樣本或實驗中的物理變化引起的。例如，樣本中的干擾和/或受支配的組份而不是被研究測試的組份能影響數據。溫度、媒介物，程長以及散射效應也必須考慮到。
液體樣本的近紅外(near-IR)吸收率光譜包含了大量的有關樣本中各種各樣有機組份的信息。特別是，和有機物分子結構相關連的振動能，轉動能和彈性能(例如碳氫，氧氫和氮氫化學鍵)在近紅外區域產生干擾，這些干擾能被探測到并和存在于樣本中的各種有機組份的濃度相關。不管怎樣，在復雜的樣本基質里，近紅外光譜也包含有明顯數量的干擾，部分起因于分析物中結構的相似性，分析物濃度的相對水平，分析物之間的干擾關系以及在特定系統內固有的電子和化學噪聲的數量。這種干擾降低了用近紅外光譜分析來確定液體樣本分析物濃度所獲得的測量結果的效率和精確性。
例如，水基底樣本的近紅外光譜分析中，溫度是個重要的參數。主要的水吸收帶大致以3800，5200和6900nm為中心，但是，這些帶的精確位置對溫度呈敏感。這些帶在更高的溫度下就轉變到更高的頻率。溫度的變化也改變了水中氫和其他化學物類相鍵合的程度，這種改變引起了吸收帶位置的顯著的移動。含有大量水的大多數分析樣本，例如在確定水溶液中葡萄糖濃度時，都需要對樣本溫度作精確控制。
關于溫度，K.Hazen，M.Amold，G.Small在《水溶液中葡萄糖的溫度不敏感近紅外光譜測量》應用光譜學，第48卷第四冊第477～483頁(1994)中揭示了應用和部分最小二乘(PLS)回歸相結合的數字Fourier濾波器而產生對樣本溫度不敏感的葡萄糖校準模型，此校準模型最初是用從保持在37℃的樣本上在遍及5000到4000nm光譜范圍內收集到的光譜創立出來的。模型的價值由判斷從預言的光譜組確定葡萄糖濃度的能力來評估。預言的吸收光譜組是將從溫度范圍在32℃到41℃的溶液中收集到的單束光譜和在37℃溫度下收集到的參比光譜作比率而獲取的。基底的水吸收帶對溫度的敏感性在預言光譜中產生大的基線變化，這可以由Fourier濾波步驟有效地消除。
另外，還可參看G.Small，M.Arnold，L.Marquardt的《帶有部分最小二乘回歸的耦合數字濾波近紅外光譜Fourier變換確定血漿中的葡萄糖的應用》，Analytical Chemistry，65卷，22冊，3279～3289頁(1993)(由應用Fourier濾波技術來實施高斯型帶通數字濾波器并應用于光譜預處理以消除因[牛類的]血漿基質的背景吸收率引起的變化。PLS回歸被用來通過經濾波的光譜計算葡萄糖的校準模型)；M.Arnold，G.Small，《應用近紅外光譜經數字濾波的Fourier變換來確定在水基質中的葡萄糖的生理學水平》，Analytical Chemistry，第62卷，第14冊，第1457～1464頁(1990)(以及G.Small，M.Arnold，《生理學化學制品，尤其是葡萄糖的非侵害性檢測的方法和設備》，美國專利5,459,317(1995年10月17日))(……一個數字Fourier濾波器……從光譜中消除高頻噪聲和低頻基線變化。應用數字最佳化程序來識別這種Fourier濾波器的高斯型頻率響應功能的最佳位置和寬度。動態區域計算，結合簡單線性基線修正，從經處理的光譜中提供一種積分區域，該區域和葡萄糖濃度成線性關系……)；以及K.Hazen，的《應用近紅外光譜在生物學基質中的葡萄糖確定》，Ph.D.論文，Iowa大學(1995年8月)(應用近紅外光譜學完成的在水，血清，血液和人體中的葡萄糖確定，多變量分析被用來使較小的光譜變化和分析物的濃度相互關聯)。
有許多近紅外裝置和方法曾被敘述，這些裝置和方法可以與前述技術聯合使用以用來提供非侵害性的血液分析物的確定授于Purdy等人的美國專利5,360,004敘述了確定血液分析物濃度的一種方法和設備，其中主體部份受到包含有兩個或更多的獨特波段的連續波長的入射輻射的輻照。Purdy等人強調的濾波技術特定地在水的近紅外吸收光譜中發生在大約1440和1935nm的兩個峰值處阻斷輻照。這樣有選擇的阻斷的實施其目的是為了避免受輻照的主體部分中的水吸收了輻射可能因此而產生的熱效應。
對比起來，授于Yang等人的美國專利5,267,152敘述了僅用部分紅外光譜測量血液葡萄糖濃度的非損害裝置和技術，該光譜包含近紅外水吸收峰(例如，水傳輸窗口，其包括1300到1900nm之間的那些波長)，在1600nm處水吸收率達到最小。經光學控制的光被導向一個組織源，然后由一積分球面收集。經收集的光被進行分析，血液葡萄糖濃度用儲存的參比校準曲線計算出來。
授與Price等人的美國專利5,606,164敘述了測量存在于一種生物體液中的分析物的濃度的方法和設備。近紅外輻射被應用到校準樣本中以產生校準數據。用數據經預處理后接著投射到具有用校準模型預測分析物濃度的校準模型空間的方法，來分析未知樣本的數據。
應用于在復雜樣本中確定分析物濃度的裝置也有敘述，例如授于Richardson等人的美國專利5,242,602敘述了分析水系統以探測多重成分的方法。該方法包括確定各種成份在遍及200到2500nm范圍內的吸收率或發射光譜，以及化學計量算法的應用，該化學計量算法用以提取為量化多重特性指示物而獲得的光譜數據的各個分段。
授于Nygaard等人的美國專利5,252,829敘述了用紅外線衰減測量技術測量牛奶樣本中尿素濃度的方法和設備。開展多變量技術，用部分最小二乘算法，主要的成份回歸，多重線性回歸或人造神經網絡知識確定已知成份的光譜貢獻。求出阻塞被研究測量的分析物信號的成份貢獻份額來進行校準。這樣，Nygaard等人敘述了測量多重分析物紅外線衰減和補償背景分析的影響而獲取更精確測量的技術。
授于Robinson等人的美國專利4,975,581敘述了基于在一已知分析物濃度和一個樣本之間的紅外線能量吸收的比較(即在幾個波長上吸收的差異)確定在一個生物樣本中分析物濃度的方法和設備。該比較是用部分最小二乘分析或其他多變量技術進行的。
授于Schlager的美國專利4,882,492敘述了一種無侵害確定血液分析物濃度的方法和設備。經調制的紅外輻射被導向直射一組織樣本(例如一個耳垂)，不論輻射通過該組織或還是撞擊到皮膚表面，在那里都由一種目標分析物(葡萄糖)而發生光譜變化。發生光譜變化的輻射于是發生分枝，一部分被導向通過一負相關樣本池，另一部分通過一參比池。比較通過池的輻射的強度而確定樣本中分析物的濃度。
授于Ross等人的美國專利4,306,152敘述了一種光學流體分析器，該分析器是設計來用以將在混濁的樣本或清澈的樣本的測量精度方面的背景吸收(即流體樣本的全面的或基底水平的光學吸收率)效應減至最小，否則，樣本是難以被分析的。該設備測量被研究檢測成份樣本的特征光學吸收上的光學信號以及在被選成大致接近背景吸收的波長上的另外的信號，然后相減，以減小分析物從屬信號的背景成份。
授與Lodder的美國專利4,893,253敘述了用近紅外反射光譜分析完整的膜和薄片的方法。檢測膜片內摻雜物的方法為，取得作為非摻雜樣本的對準組的光譜，將每一光譜描述為超空間內的一點，創造若干對準組重復和自舉重復的分布，計算自舉重復分布的中心值，獲取摻雜樣本的光譜，將該光譜變換成超空間的一點，基于摻雜樣本的超空間點和自舉重復分布之間的關系識別摻雜樣本的反常。
還可參看R.Rosenthal，L.Paynter，L.Mackie的《血液葡萄糖的非侵害測量》，美國專利號5,028,787(1991年7月2日)(一種近紅外定量分析儀器和方法通過分析跟隨的靜脈或動脈血相互作用的，或通過血液容納實體部分傳輸的近紅外能量而無侵害地測量血液葡萄糖。)。
由上述方法和裝置獲取的信息的精確度受到由背景，即在近紅外范圍內同樣有吸收光譜的非分析物，樣本組份而產生的光譜干擾的限制。特別是當極小量分析物存在的時候，明顯可感知的背景噪聲水平表示了一種固有的系統限制。根據這種限制，作出很多努力來改進信噪比，例如避開水的吸收峰以能夠應用提高輻射強度，減少被分析的光譜信息的數量，或應用基于對近似背景吸收的減除或補償技術。如以上所討論的，這些技術主要著眼于同時檢查所有的光譜組份。雖然這些技術提供了一些改進，但還是存在提供進行更精確地確定例如在液體基質內分析物濃度的方法和設備的需要，即，在分析期間可獲取每一個樣本成份的精確表示。
發明的概述本發明提供了一個或更多在分析期間應用于光譜信號的基本組，以產生從中分析物濃度可以精確確定的精確的光譜描述。本發明當前的最佳實施例是能應用在確定如血清中的葡萄糖這樣的分析物，確定過程中應用非侵害技術。例如，在基本組中，為水，白蛋白蛋白質，球蛋白蛋白質，三乙酸甘油酯，膽固醇，血尿素氮，和葡萄糖，提供了在遍及1100到2500nm的光譜區域里的近紅外吸收率特征。此外，還包括了樣本溫度效應，以及儀器噪聲水平。
基本組包括了在諸如血清樣本中發現的所有干擾成份。例如，這些成份可以包括水，溫度/氫結合鍵效應，白蛋白球蛋白蛋白質，甘油三酸酯，膽固醇，尿素，和所有的有機成分。基本組也包括電解質，如Na+，K+和Cl-。
基本組不包括那些不產生干擾的成份，諸如在濃度方面小于背景信號或噪聲水平的任何成分。關于分析物，諸如葡萄糖，必須規定那些具有比葡萄糖更大的干擾的樣本成份。替代僅考慮上面提及的完全在血液或血清中的分析物，例如對干擾或散射光的紅血球進行變換，也對皮膚效應進行變換的基本組可能產生出來。
一旦這些成份中的每一個的光譜都已知了，然后需要確定這些成份是怎樣相互作用，例如得到血清數據，提取出每種成份，然后將個別成份的光譜和溶液中的成份的光譜進行比較。
這樣，一旦存在水的葡萄糖基本組產生出來，水干擾葡萄糖就被確定，以及確定了怎樣消除水，然后下一個成份的基本組就能產生出來，例如為溫度效應。在非侵害確定葡萄糖濃度的實例中，本發明在存在水的情況下相繼增加其他成份的基本組，例如球蛋白，蛋白質，甘油三酯，尿素，或膽固醇，以建立直到血清基質。一旦血清基本組產生出來，才有可能產生紅血球，肌肉層，皮膚層，脂肪層，甚至整個身體的基本組。
值得注意的是，這里的基本組方法表征了樣本中的每一個成份，也表征了所有其他可能的干擾，在每個研究檢測頻率上每個成份的精確描述產生以后，再從研究測試頻率上產生的光譜里減除每種干擾。用這種方法，所有的干擾就可以在所有其他相關的樣本成份的相互關系中識別出來，由此而從光譜中消除，基本上只留下從研究檢測的分析物中產生的信號。
各種基本組也可以數學地結合起來以產生一個變換組，變換組可以儲存到查尋表中供分析期間使用。用這種方法，應用相對簡單，低功能的計算機硬件，例如低功能嵌入式控制器就能做到一個快速的分析物濃度實時確定。
附圖的簡單敘述
圖1是顯示根據本發明產生基本組的流程圖；圖2是根據本發明結合一個或多個基本組的儀器的方框示意圖；圖3是根據本發明實施結合一個或多個基本組的算法的儀器的方框示意圖；圖4是水吸收率相對于波長的曲線圖；圖5a是水吸收率在變化的溫度下相對于波長的曲線圖；圖5b是顯示溫度效應的曲線圖；圖6a是當應用1500nm長帶通濾波器時顯示吸收率的水吸收率相對于波長的曲線圖；圖6b是顯示蛋白質(aq)——水吸收率的吸收率相對于波長的曲線圖；
圖7是顯示白蛋白(aq)——緩沖液(程長經修正的)吸收率相對于波長的曲線圖；圖8是顯示球蛋白(aq)——緩沖液的吸收率相對于波長的曲線圖；圖9是顯示白蛋白(aq)——緩沖液(程長經修正的)的吸收率相對于波長的曲線圖；圖10是顯示白蛋白，球蛋白和三乙酸甘油酯需要的程長修正的曲線圖；圖11是顯示三乙酸甘油酸(aq)——緩沖液(程長經修正的)的吸收率相對于波長的曲線圖；圖12a是顯示尿素——緩沖液的吸收率相對于波長的曲線圖；圖12b是顯示尿素——緩沖液(基線經修正的)吸收率相對于波長的曲線圖；圖13是顯示葡萄糖——緩沖液的吸收率相對于波長的曲線圖；圖14是固體樣本的吸收率相對于波長的曲線圖；圖15是固體樣本的經標準化的吸收率相對于波長的曲線圖；圖16是固體樣本的經標準化的第二個吸收率相對于波長的曲線圖；圖17是葡萄糖(aq)的標準誤差(mg/dL)相對于PLS因子數的曲線圖；圖18a是葡萄糖(aq)的標準誤差(mg/dL)相對于分辨率(nm)的第四個曲線圖的另一種視圖；圖18b是顯示經擴展的Y軸的葡萄糖(aq)的標準誤差(mg/dL)相對于分辨率(nm)的第四個曲線圖的另一種視圖；圖19是葡萄糖(aq)的標準誤差(mg/dL)相對于分辨率(nm)的第八個曲線圖的另一種視圖；
圖20是顯示六個PLS因子的經平均的點的葡萄糖(aq)的標準誤差(mg/dL)相對于分辨率(nm)的第八個曲線圖的另一種視圖；圖21是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的曲線圖；圖22是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第二個曲線圖；圖23是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第三個曲線圖；圖24是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第四個曲線圖；圖25是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第五個曲線圖；圖26是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第六個曲線圖；圖27是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第七個曲線圖；圖28是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第八個曲線圖；圖29是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第九個曲線圖；圖30是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第十個曲線圖；圖31是血清中的葡萄糖的標準誤差(mg/dL)相對于分辨率(nm)的第八個曲線圖的另一種視圖；
圖32是顯示含有水，白蛋白，球蛋白，和三乙酸甘油酯的樣本的非經處理的吸收率的吸收率相對于波長的曲線圖；圖33是含有白蛋白，球蛋白和三乙酸甘油酯的樣本的，并且水已經從中減除和溫度以及程長經修正的吸收率相對于波長的曲線圖；圖34是顯示白蛋白光譜線性的，溫度和程長經修正的吸收率相對于波長的曲線圖；圖35是含有球蛋白和三乙酸甘油酯的樣本的，并且水和白蛋白已經從中減除的吸收率相對于波長的曲線圖；圖36是顯示球蛋白光譜線性的，溫度和程長經修正的吸收率相對于波長的曲線圖，和圖37是含有三乙酸甘油酯的樣本的，并且水，白蛋白和球蛋白已經從中減除的吸收率相對于波長的曲線圖。
發明的詳細敘述下面的討論敘述什么是基本組，它怎樣被收集，所需要的儀器，數據收集參數，諸如溫度和程長這樣的因子的數據分析，以及什么被考慮作為附加的基本組。
最簡單的基本組的實例是包括樣本諸如血清中所有干擾成份的基本組。例如，這些成份可以包括水，溫度/氫結合鍵效應，白蛋白，和球蛋白蛋白質，甘油三酸酯，膽固醇，尿素，所有的有機成份，以及Na+，K+和Cl-。在較低的程度上，基本組可以包括附加的電解質。
基本組不包括那些不產生干擾的成份，諸如在濃度方面小于背景信號或噪聲的任何成份。關于分析物，例如葡萄糖，必須規定那些有比葡萄糖更大的干擾的樣本成份。替代僅考慮上面提及的血液或血清中的所有分析物，例如對干擾或散射光的紅血球進行變換，也對皮膚效應進行變換的基本組可能產生出來。
一旦所有這些成份的光譜都已知了，然后需要確定這些成份中的每一個是怎樣相互作用，例如得到血清數據，提取出每種成份，然后將個別成份的光譜和溶液中的成份的光譜進行比較。
一旦存在水的葡萄糖基本組產生出來，水干擾葡萄糖就被確定，以及確定了怎樣消除水，然后下一個成份的基本組就能產生出來，例如溫度效應。在非侵害的確定葡萄糖濃度的實例中，本發明在存在水的情況下相繼增加其他成份的基本組，例如球蛋白，蛋白質，甘油三酸酯，尿素，或膽固醇，以建立直到血清基質。一旦血清基本組產生出來，才有可能產生紅血球、肌肉層，皮膚層，脂肪層，甚至整個身體的基本組。
值得注意的是，這里的基本組方法表征了樣本中的每一個成份，也表征了所有其他可能的干擾，并從研究測試頻率上產生的光譜里減除每種干擾。用這種方法，所有的干擾就可以在樣本中有秩序地從光譜中識別出來，基本上只留下從研究檢測的分析物中產生的信號。
各種基本組可以用數學方式相結合以產生一個變換組，變換組可以儲存到查尋表中供分析期間使用。用這種方法，應用相對簡單、低功能的計算機硬件，例如低功能嵌入式控制器就能做到快速的分析物濃度的實時確定。
一旦確定了在樣本中存在哪些成份，就需要確定收集這些成份的光譜的最佳方法。然而，在光譜能收集之前也必須規定儀器的性能，諸如信噪比，分辨率，以及波長復制的能力。這些儀器方面的考慮將在下面詳細討論。
產生基本組的程序是重復的。在本發明的一些實施例中，必須考慮到諸如散射校正，折射率校正，進入組織的穿透深度，所有的光程長，以及溫度等因子。一旦基本組產生，它們可能被應用到光譜輸入信號去。由基本組這樣處理過的信號于是用標準的化學計量技術進行預處理，諸如修勻和二階導數分析。
應用基本組以后另一種處理途徑是去褶合的處理。如果應用了去褶合，在數據收集和散射校正之后，必須進行溫度校正。這個途徑應用基本組以重復的方式識別和隔離樣本的各種成份。此后，可以應用多變量分析，多變量分析可以包括部分最小二乘分析或主要成份分析。這樣的處理是一個選擇的過程，并且在本專業中已是眾所周知。例如，在其有干涉圖形n×m的葡萄糖濃度C中，其中m是干涉圖形的數目，n是干涉圖形點的數目，數據進行了縮減，這里C＝b0+b1P1+…bnPn；(1)這里Pi是PLS因子數(factor scores)，由干涉圖形點和濃度值推導出來；bi提供回歸系數。
本發明的獨特處，進行了各種諸如去褶合那樣關于基本組的變換。在本發明中，預處理也是依靠基本組。例如，在Fourier濾波器的場合，一定的頻率通過了濾波器，就必須知道濾波器通過了什么頻率。用這種方式，是可能確定濾波器是否通過了分析物。基本組被參比來識別在各種頻率上的分析物濃度，這樣Fourier濾波器僅需要在那些研究檢測頻率上應用，而不要遍及吸收率頻率的寬廣的范圍(如在現有技術里是這樣做的)。這樣，在這種應用中，基本組可以不嚴格地被設想為一個濾波器的濾波器。
各種分子關系可以被考慮為它們自身的基本組，諸如碳——氫，氧——氫，以及氮——氫結合鍵。在這樣的場合，存在比這些基本的成份能夠說明的更多的吸收率帶。這意味著，對與這些成份相結合的那部分分子結構還存在著互相聯系的效應。這樣，雖然在不同的組分中這些分子或分子段能被發現為共有，但因為特定組分在全部光譜中的特征還是可能被歸為一種組分并在隨后的去褶合期間被拋棄。
圖1是根據本發明顯示產生一個基本組的流程圖。過程的第一步100包括在與分析物相同的頻率上識別樣本的相關的干擾成份。這一步和相繼的步驟都可以用已知的光譜的和化學計量技術進行，在下面要更詳細討論。在102，一旦干擾成份被識別，相關的干擾成份就全部在其他頻率上被識別出來以量化在這些其他頻率上的吸收率。一旦被量化，干擾成份就在104從分析物的頻率上被消除。前述步驟的每次重復都可以被認為是單個的基本組。這樣，本發明就為分析物產生出眾多的基本組。
圖2是根據本發明結合一個或多個基本組的儀器的方框示意圖。在實施時，裝置10用標準的或改進的(見下文)光譜裝置收集光譜20。光譜被提供給包括一個處理器22的系統的輸入端/緩沖器21。輸入端/緩沖器可以包括一個模擬至數字轉換功能，這樣，由光譜裝置收集的光譜數據就被轉換為數字數據。根據儲存在一個或多個查尋表(LUTs)中的各種變換，處理器對這些數字輸入數據進行處理。LUTs包含有結合各種基本組的變換。處理器進行的變換過程用基本組識別和基本上消除從光譜裝置產生的光譜信號中的所有干擾組分。一旦關于基本組的處理完成，數字信號就基本上只含有分析物信息。然后這個信息就根據已知的光譜校準和化學計量技術作進一步處理，并提供給輸出端/緩沖器24。輸出信號就可以在顯示器26上以任何希望的格式觀察到，以提供樣本中分析物濃度的精確指示。
如同上述及下文的討論，根據本發明產生的基本組可以儲存在查尋表中或可以和其他變換信息混合。在產生這種查尋表時，基本組首先作為在產生幾個基本組的復制過程中收集的矩陣原始數據存在。考慮到在本發明的最佳實施例中產生的幾個基本組，在查尋表中可以有不同的矩陣。或者也可以是一個單個的矩陣，它產生出一個變換，該變換是所有的基本組的代表，而且該單個的矩陣直接應用到原始數據中。這樣，本發明的一個實施例選取每一個成份并且將它們建立成一個復雜的矩陣，該矩陣包含一個識別和消除干擾的算法。用這種方法，本發明提供了一種系統，該系統精確地描述了當這些成份全部聯系在一起時在研究檢測的光譜里這些成份是怎樣呈現的。正是本發明的在每個其他成份的相互關系中個別地識別樣本的每個相關成份的能力，才準許為研究檢測的分析物最后確定查尋表的條目。
雖然有可能，現有的本發明最佳實施例沒有提供對在查尋表中的所有干擾在所有濃度水平上已經經過修正的葡萄糖光譜。而是，有一系列在研究檢測的一定的不同生理學濃度上的分析物的光譜。例如，在葡萄糖的情形，就有低和高血糖濃度的查尋基本組值。這樣，本發明不需要描述在查尋表中所有的基本組的所有信息。而是，僅需描述發生在身體中的遍及葡萄糖的全部范圍的信息。這個途徑同樣拿來用在白蛋白蛋白質，和其他樣本成份上。如上面的討論，對于矩陣中的所有光譜信息可以寫成一個單一的方程式，或提供一個或多個查尋表。在任何情況下，在查尋表中僅儲存有用的光譜信息的方法減少了對儀器的存儲器和處理能力的要求。
下面的討論將更全面，基本組首先產生出來，并且隨后被結合到儀器中供分析期間應用。為了確定放入查尋表中的數值，必須全面檢查任何數量的基本組。如上述討論，必須識別影響樣本中的分析物的主要干擾成份并且為這些干擾成份中的每一個產生基本組。
圖3是根據本發明進行結合一個或多個基本組的算法的儀器的方框示意圖。圖3提供了聯系圖2討論的裝置的軟件/硬件元件30的詳細綜述。應該意識到，在這里本發明容易地被應用到任何光譜系統。這樣，聯系圖2和圖3敘述的系統僅是提供為本發明的當前存在的最佳具體化實例而不是作為限制。
在儀器內進行處理期間，數字化的光譜信息首先施加到基本組31。如上述討論(下文將更詳細)，基本組變為從光譜信息中消除干擾組分和/或成份(化學的和/或物理的)的變換。基本組可以被應用在和物理模型32聯結前或聯結中，該物理模型是修正諸如散射，程長和/或溫度之類物理的干擾因子的。
光譜信息被應用于基本組和(可任選地)物理模型以后，這樣產生的信號被去褶合33以將信號修正為基準。接下去信號進行預處理34和數字濾波35。預處理還可以應用諸如Kubelka-Munk變換，取平均中心，標準化，基線修正，散射修正，以及干擾修正的技術，雖然在目前基本組被用來解決諸如散射修正，基線修正，和干擾修正等問題是最佳的。例如可以應用到散射中去的修正技術能包括倍增散射修正，標準正交變量修正，以及延伸的倍增信號修正。數字濾波功能可以由諸如高斯濾波，低和高帶通濾波器和洛倫茲濾波的技術來完成。
分析物的光譜波長被選擇36和諸如高階部分最小二乘(PLS)的多變量分析被實施37。這樣的分析技術可以包括主要的成份回歸，部分最小二乘，轉動的主要成份，或相關的主要成份分析。
本發明的最佳實施例提供了用以量化液體樣本中一個分析物的眾多基本組。為了說明和舉例的目的，現在本發明敘述關于非侵害光譜中的葡萄糖量化。
數據收集。處理的第一步包括識別主要的干擾化學分析物和身體中的結構。這些因子特別包括存在于樣本中的水百分比，水的溫度/氫鍵效應，白蛋白蛋白質，球蛋白蛋白質，甘油三酸酯，膽固醇，尿素，葡萄糖，乳酸鹽，乙醇，還有Na+，K+，Cl-，以及其他電解質，糖基的血紅蛋白，皮膚，角蛋白，纖維蛋白原和紅血球等等。本發明的一個優點是基本組可以由包括所有干擾成份的光譜的方式產生出來。
非干擾成份包括例如低克分子吸收性濃度的成份，諸如低劑量麻醉劑和藥劑。
在本發明的目前最佳實施例中，數據收集儀器應該考慮以下方面·信號首先確定從吸收率帶頂部到基底的吸收率增量，其次在所有頻率跨越生理學濃度，在樣本的吸收率相對于濃度的關系上限定變化的斜率，通過此兩步驟限定每個分析物的信號。·噪聲在研究測試的帶上噪聲被限定為分析物吸收率的均方根(rms)噪聲。·信號對噪聲信號對噪聲定義為(斜率×濃度)/噪聲。這個值對于準備分析的最小指定濃度必須大于一。·分辨率本發明的目前的最佳實施例中分辨率需要每個峰最小七個點。
另一個考慮的因子是波長重復生產能力。在本發明中，經改進的NIRS5000光譜儀被用來達到上述標準。
基本組的數據收集參數包括以下方面程長因水的吸收率而引起的程長，是最初的干擾。對最佳基本組每個光譜窗口必須選擇不同的程長。
在本發明的目前的最佳實施例中，這些程長為·在聯合帶區域為0～2mm；·在第一諧波區域為5～10mm；以及·在第二諧波區域為10mm或更大。
雖然不是必須，但有可能，在一個單個的數據收集中遍及全部頻率范圍來產生一個基本組以在不同的區域中作信息比較。在本發明的最佳實施例中，這指定為1mm程長。最佳的信噪水平是分別得到的。提供連續的供識別的光譜和諸如作為頻率函數的折射率變化等模型參數也是必須的。
在包括使用漫反射的應用上，程長的考慮是不重視的，因為基于在特定的折射率特定的濃度的分子間的相互作用，光的透射與水吸收率的倒數成比例，這是由系統限定的。
在本發明的一些實施例中，希望應用光學濾波器。因為水表現為自然的短通濾波器，應用長通截止濾波器和水帶結合形成一個帶通濾波器是有優點的(雖然提供充分分辨率即充分的模擬數字(A/D)轉換位數的系統可以不需要濾波器)。在本發明的目前最佳實施例中，在H2O吸收率帶的中點的任何濾波器都可以應用，例如下面的濾波器都可以用·對于聯合帶為1950nm長通濾波器；·對于第一諧波為1450nm長通濾波器；和·對于第二諧波為1100nm長通濾波器。
必須確定對每一光譜的平均掃描數，隨著掃描數的增加噪聲會降低。在本發明的目前最佳實施例中，噪聲相對于平均掃描數被設定為64平均掃描。
復制光譜。曾經進行過若干次實驗，實驗中因為光譜儀的溫度系數而收集了四個復制光譜。下面是當時獲得的結果(來自于用以測量的光譜儀——這些結果不說明一般現象)·第一個復制——因溫度而引起的異常值；·第二個復制——少量異常值特性；和·第四個復制——可接受作為進一步分析。
為了結合本發明進行的實驗的目的，限定了下述附加的參數·離子強度為0.1M以匹配身體的強度；·pH7.35磷酸鹽緩沖液以接近身體酸堿度；·溫度保持在38.0±0.2℃以匹配身體的溫度；·成份ACS試劑級化學試劑用作標準。
數據分析。數據分析必須重視溫度變化。在本發明的最佳實施例中，觀察到溫度的0.1℃的變化就使分析物吸收率帶發生嚴重的不確定(甚至是濃縮的白蛋白)。日常使用中實驗室和儀器的溫度都不可能控制到0.01℃。在高的水吸收率區域和因溫度使水吸收率有大變化時這種效應將增大。
數據分析必須考慮程長。這種考慮類似于用雙束光譜儀進行的差分測量，在這里一光束聚焦通過樣本，另一光束聚焦通過對應于樣本中程長干擾的程長。
最好是將程長控制到0.0001mm。對于帶有存在緩沖液的1mm池，有1mm水程長。當存在一種分析物時，水程長因位移而減小。該位移和存在的分析物濃度成線性比例。如果樣本中的各種成分的濃度未知，樣本中的這些成份可能被轉出去，而在應用本發明時，這樣的處理可以不需要，因為這樣的濃度是已知的。
溫度和程長修正算法。根據本發明，下面的討論提供一種典型的溫度和程長修正算法。
1、響應函數在分析物不吸收的區域里剩余量(樣本——緩沖液)約為0。
2、作為光譜范圍的函數的剩余量由樣本的光譜噪聲作相反加權。
3、大約在38℃收集到的數以千計的緩沖液和樣本作比較以匹配溫度。通過應用幾千個緩沖液，好的溫度匹配是能夠找到的。
4、對每個試驗中的緩沖液，試驗水的增長的程長以匹配樣本中緩沖液的程長。例如，為得到0.99mm的程長，正在試驗中的作為可能的背景的緩沖液乘以0.9900。例如，自蛋白蛋白質隨著每個緩沖液以每步0.0005mm從0.95mm到1mm進行試驗。
下面是Matleb溫度/程長修正程序，該程序針對經選擇的參數，對每個分析物這些參數必須最佳化，諸如程長和響應函數區域<pre listing-type="program-listing"><![CDATA[temppath.M ％PROBLEMBasis Set ％spectra require background subtraction of temperature and pathlength. ％This program corrects the temperature by searching for a buffer ％collected at the same temperature as the sample and match the amount ％of buffer present in the sample. clear ％enter wavelength region wavelength＝1100∶2∶2498； ％load sample spectra load albl2_1 txt sample＝albi2_1； [op]＝size(sample)； ％load buffer spectra ％usually use all buffers collected to date load albbuff.txt buff＝albbuff； [mn]＝size(buff)； ％Code minimizes residual over user set regions ％These regions can not have absorbance from the analyte ％they are fine tuned iteratively. ％in this case-three regions are used in the response function. b_1st_pt＝find(wavelength＞＝1640 & wavelength＜1655)； b_2nd_pt＝fine(wavelength＞＝2077 & wavelength＜2085)； b_3rd_pt＝find(wavelength＞＝1640 & wavelength＜1655)； s_1st_pt＝b_1st_pt； s_2nd_pt＝b_2nd_pt； s_3rd_pt＝b_3rd_pt；％initialize to large residualpathlength＝0；for aaa＝1∶p best_min(aaa)＝1000000；end％pathlength optimization％determine pathlength matching water in sample％(water absorbance*pathlength)for j＝0.95∶0.0005∶0.997 ％.98 j＝manual_pathlength pathlength＝pathlength+1；％temperature optimization％for each pathlength，test every buffer for temperature match for temp＝1∶n avg_b_1st_pt＝mean(buff(b_1st_pt，temp))*j； avg_b_2nd_pt＝mean(buff(b_2nd_pt，temp))*j； avg_o_3rd_pt＝mean(buff(b_3rd_pt，temp))*j，％repeat for every sample and replicate for sample_num＝1∶p avg_s_1st_pt＝mean(sample(s_1st_pt，sample_num))； avg_s_2nd_pt＝mean(sample(s_2nd_pt，sample_num))； avg_s_3rd_pt＝mean(sample(s_3rd_pt，sample_num))； diff_1st_pt＝abs(aye_s_1st_pt-avg_b_1st_pt)； diff_2nd_pt＝abs(avg_s_2nd_pt-avg_b_2nd_pt)； diff_3rd_pt＝abs(avg_s_3rd_pt-avg_b_3rd_pt)；％store results of each loop results(sample_num)＝diff_1st_pt+diff_2nd_pt+diff_3rd_pt；％usually add in weighting functior as inverse of noise for each region here％if response function for given sample is best-record parameters if results(sample_num)＜best_min(sample_num) best_min(sample_num)＝results(sample_num)； best_pathlength(sample_num)＝j； best temp(sample num)＝temp； end％end if end％end sample end％end temperatureend％end pathlength％dump best parameters to screen for interpretationbest_minbest_pathlengthbest_temp％plot temperature and pathlength corrected spectrahold off clg hold on v＝[1500 2500-0.01 0.07]； axis(v)； for sample_num＝1∶p best_sample_corr(，sample_num)＝sample(，sample_num)-buff( ，best_temp(sample_num))*best_pathlength(sampie_num)； plot(wavelength，best_sample_corr(，sample_num))； intensity(sample_num)＝best_sample_corr(481，sample_num)； end]]></pre>結果形成的光譜是清楚的并且基線可分辨。對每個分析物，光譜經過選擇來覆蓋生理學濃度。
下面的例子說明了第一個基本組“基本組I”的產生。
實例——基本組I遍及1500～2500nm的光譜區域的近紅外吸收率特性在程長1mm上被提供為水，白蛋白蛋白質，球蛋白蛋白質，三乙酸甘油酯，膽固醇，尿素和葡萄糖。此外，也包括樣品溫度效應，儀器的噪聲水平也一并包括在內。
實驗血清中主要組分的光譜在遍及它們各自的生理學范圍內收集。樣本的準備包括將干燥的試劑級的固體樣本溶解于調整至pH7.35的0.1M的磷酸鹽緩沖液中。所有的光譜在NIRS 5000上以傳輸模式收集，用1mm程長紅外硅材石英池，120秒均衡周期，38℃溫度，64平均掃描，共做四次。用一個單臺儀器獲取所有數據。
結果和討論隨著減小吸收率變化的順序，光譜在2050～2350nm和1550～1850nm兩個光譜窗口進行分析。第一次復制在所有的例子中都被拼棄了，起因由于NIRS 5000光譜儀的不穩定和光子加熱樣本引起的持續的溫度變化(數據未包括)。通過第二次樣本復制樣本處于均衡。
水光譜近紅外光譜由三個大的其中心值分別為2500，1950和1450nm的水吸收率帶支配，如圖4中所示。高吸收率將在近紅外水溶液里做的分析限制在三個光譜區域內。2350～2050nm的區域在這里屬于聯合帶區域；1850～1550nm的區域在這里屬于第一諧波光譜區域；1400～1100nm區域屬于第二諧波光譜區域。
NIRS光譜儀設定了增益及由此的探測器的動態范圍，設定是基于帶有到達探測器的最高的光強度的光譜區域作出的。這是水樣本的第二諧波光譜區域。不管怎樣，聯合帶區域有最大的吸收率，其次是第一諧波區域，再其次是第二皆波區域。因為水在1300nm區域相對于2200nm區域的低的吸收率，相對小的動態范圍留給2200nm區域，在這里葡萄糖帶是最大的。所以，應用了1500nm長通濾波器，該濾波器迫使NIRS系統基于第一諧波光譜區域設定增益。由此，在最初的基本組里，為第二皆波區域沒有提供光譜信息，為第一諧波光譜區域提供了最佳信噪水平，以及為聯合帶獲得了稍微降低的信噪水平。在許多給NIRS系統所作的改進中有一個是次序分選器，在為下一個基本數據組作單個掃描期間，該分選器允許為三個光譜區域的每一個分選不同的增益設定。
水光譜的溫度效應隨著溫度升高，三個水近紅外吸收率帶都向高頻率移動。圖5A里顯示了38.2～43.0℃溫度下收集的緩沖液光譜。儀器應該改進以收集更低溫度的光譜。在每個水吸收率帶肩部可以觀察到線條的略微變寬。從在更高的溫度下收集的水的光譜里減除在38.2℃時收集的水的光譜就呈現出這種移動的數量和方向。隨著溫度而增加的負吸收率帶在2000和1480nm被觀測到。當水帶移動到更高的溫度，在這些區域只有更少的水吸收率，所以從較低溫度減除水的吸收率帶導致了過多的背景被減除。和提高溫度有關的正吸收率帶在2300，1890和1400nm被觀測到。隨著溫度的提高，水吸收率愈益移向這些光譜區域。在這些區域，減除38.2℃水光譜還減得不夠。
大的水吸收率，和溫度的移動結合在一起，極大地阻礙了近紅外分析。圖5a顯示了經減除，在未經修正的吸收率大于3.0±0.1的情況，沒有有用的信息可獲取，表明了NIRS系統的動態范圍的限制。所以2460nm以上的區域和2010～1890nm的區域導致了沒有有用的分析信息，可以在1mm程長的數據收集中拋棄。通過調整程長，在這些光譜區域可以獲取信息。由于水吸收，當分析的程長增加時，那些需要拋棄的區域的寬度會增加。另外，溫度效應在跨越整個聯合帶區域和第一諧波光譜區域都能看到。可以看出來，這些基線的變化在量上粗略地等于高吸收的蛋白質，并且在量上大大高于所有其他受檢測的光譜分析物。
白蛋白蛋白質水和溫度效應以后，血清光譜主要由從白蛋白蛋白質的吸收構成，該白蛋白蛋白質有2.6～7.9g/dL的生理學范圍。存在水的情況下白蛋白蛋白質吸收率帶難以看見，如圖6a所示。減除緩沖液光譜導致蛋白質吸收率峰處于2285，2170，1730和1690nm，如圖6b所示。大的負吸收率帶也在形成的光譜中出現，在那里有水吸收。這些帶主要不是起因于溫度的變化，因為水帶的衍生物會出現，如圖5b所示。負帶是起因于由白蛋白和散射引起的水的位移。
諸如前述的MATLAB程序，這類程序被用于確定被用來作為背景光譜要被減除的溫度方面的最佳緩沖液和經計算的最佳程長。在圖6b中，緩沖液和白蛋白在緩沖液光譜中都有固定的相同的1mm程長。在這個實例中，因為白蛋白在1～12g/dL范圍里存在，水是100g/dL，白蛋白占據著值得注意的池體積并且每單位體積內存在較少的水。寫出的程序增加了水光譜的百分比，該百分比能按順序地在寬廣的范圍內變化。對每個白蛋白在緩沖液光譜里最佳的經計算的程長是通過將處于白蛋白不吸收并且溫度效應處于最小的位置(2085～2077和1655～1640nm)上的剩余物的絕對值總數減至最小的方法來確定的。在諧波區域里的剩余物被計量兩倍之多以補償在聯合帶區域里的較高的噪聲。為了進一步將溫度效應減至最小，所有收集到的緩沖液光譜都經過這個最佳條件運行以找出關于溫度的最好的緩沖液來和樣本匹配。每個在緩沖液光譜中的白蛋白都獨立地經過這個算法運行。
對每個白蛋白光譜減除在經調整后的程長上的最好的緩沖液后的結果在圖7上呈現。附加的白蛋白吸收率帶現在在2060nm和2335nm上可見。將大約2060nm處的吸收率帶的圖形擴大，顯示出在白蛋白濃度上的每次增加吸收率也增加。中心點在2170nm的白蛋白帶比在圖6b上看到的更對稱。在第一諧波光諧區域的兩個峰有更好的基線修正并且現在在吸收上線性地隨著濃度增加而增加。不管怎樣，負吸收率帶還是明顯的，那里水在2020和1870nm處吸收。2000和1900nm之間的區域是數學修正后的后生物，該數學修正遍及吸收率大于3和系統沒有響應的區域。此外，在0吸收率和1g/dL白蛋白光譜之間有大的差異。這個差異應該等于吸收率從1到2g/dL的差異。如果聯合帶區域和諧波區域分別地處理，這個偏移是可以減小的。應該指出，在這點上，沒有應用基線修正，平滑化，或散射修正。
球蛋白蛋白質球蛋白的生理學濃度(0.7～8.1g/dL)在近紅外要比白蛋白少吸收。直接減除磷酸鹽緩沖液允許觀測到在白蛋白蛋白質場合看到的同樣的峰，如圖8所示。上述討論的溫度和程長修正算法以和白蛋白完全相同的參數進行并且同樣的附加的額外峰被找到，如圖9所示。重疊白蛋白和球蛋白光譜顯示出中心點在2170nm處的球蛋白吸收率帶要略微比白蛋白蛋白質的帶寬廣一些。
需要用作從每個光譜中作背景減除的經計算的程長呈現在圖10。對白蛋白，修正和增加濃度成線性，但有0.996nm的Y軸截距。這和圖7中觀測到的不良的基線是一致的。對球蛋白的修正也是線性的，但每mg/dL分析物需要更大的修正。這和球蛋白的散射趨勢是一致的。Y軸截距為1.00，和極好的背景減除一致。
甘油三酸酯三乙酸甘油酯被用來模擬甘油三酸酯。三乙酸甘油酯的生理學范圍是50～450mg/dL。同樣要應用溫度和程長修正算法，但在確定最小的剩余物中要用不同的區域(2420～2440，2080～2090和1575～1635，加權1∶5∶20)。六個三乙酸甘油酯吸收率帶的中心分別在2320，2250，2130，1760，1715和1675nm，如圖11所示。結果的需要用作修正的程長和濃度成線性，但非常小的偏差1mm的結果發生了，這是因為相對于血清中的蛋白質，三乙酸甘油酯的更低的濃度，如圖10所示。更小的三乙酸甘油酯吸收率帶的信號水平接近于光譜儀的噪聲水平。
尿素在緩沖液光譜里十二個尿素被收集。由于尿素的小的生理學濃度(6～123mg/dL)，用以通過改變有效的被減除的緩沖液的程長而使背景最佳化的算法失效了，因為沒有引起注意的水的圖被移位了。沒有溫度匹配的算法被應用，但是應用了由每個樣本收集的緩沖液光譜。進行直接的背景減除，接著是兩點基線修正(2094～2106和2320～2332nm)并呈現在圖12。存在一個中心點在2190nm的單個的吸收率帶。不存在諧波峰。這和與N-H相關的這種吸收是一致的，而所有其他分析物有O-H基本的振動。只有四個光譜呈現是由于大的基線偏移，偏移模糊了附加的光譜的線性。更高濃度的樣本可以用來探究，為的是獲得更高的S/N和更清楚的光譜，雖然所獲得的是同樣的基本組。
葡萄糖完整的葡萄糖緩沖液研究在遍及聯合帶和第一諧波光譜區域進行，在該區域存在一個子組。葡萄糖從30～600mg/dL(也有從0～5000mg/dL)進行檢測以覆蓋其生理學的，也覆蓋其低血糖和高血糖水平。從在緩沖液的葡萄糖里直接減除緩沖液顯示出中心在2326，2272，1800，2150，1730和1590nm的吸收率帶，如圖13所示。
結論和理論一致，對所有的分析物，聯合帶光譜區域產生比第一諧波光譜區域更大的吸收率。然而，在聯合帶區域，更長的程長由于大的水吸收率迅速地使信噪水平降級，而在第一諧波光譜區域光譜質量隨著程長的小的毫米增加應有所提高。在葡萄糖吸收率區域里的吸收率帶以吸收率減小的次序為水，溫度效應，白蛋白蛋白質，球蛋白蛋白質，膽固醇，甘油三酸酯，尿素和葡萄糖。雖然每一種經分析的分析物都比葡萄糖吸收得多，并遍及同樣的總的光譜區域，但每個分析物都有明顯的吸收率特征標志。原則上，血清光譜或非侵害光譜是能被去褶合的。
* * *本發明考慮了附加的基本組的產生，使基本上所有的干擾成分都被識別和分解成光譜學分析。
下面的實例說明第二基本組“基本組II”的產生。
實例——基本組II研究重新在干燥，粉碎和加壓的固體樣本上進行以給出無水的吸收率光譜。第二基本組基于人血清的固體的或純凈無水的成份的光譜而收集。形成的光譜顯示出聯合，第一和第二諧波吸收率帶。此外，對一個給出的成份，在各區域間的相關的吸收率可以作比較。聯合的，另一種選擇波長的方法是可以得到的。
實驗收集液體形態的水(pH7.35，0.1M磷酸鹽緩沖液38.0±0.2℃)，三乙酸甘油酯和乳酸的純凈的成份光譜。白蛋白、球蛋白、膽固醇、尿素和葡萄糖作為純凈狀態的固體而存在。對這些分析物，每樣都用杵和臼分別磨碎并研磨成精細的不含溴化鉀的細粉末。這些粉末在特殊設計的適合NIRS 5000傳輸組件的壓機上壓成可透射的小團。在傳輸模式內獲得每個成份的四個復制物。每個分析物的程長是不控制的。
結果和討論水，白蛋白，球蛋白，膽固醇，三乙酸甘油酯，尿素和乳酸的未經處理的吸收率光譜在圖14中呈現。因為每個小團的程長不控制，所以成份間相關的吸收率不能比較。對一個給出的分析物，頻率間的相關的吸收率是能比較的。大的基線偏移是由于樣本的厚度以及發生的全部光通過量引起的。這曲線用以顯示相關于NIRS 5000的動態范圍的每個分析物的全部吸收率系數。
在圖14中對每個成份，最小的吸收率都被減除，結果的光譜都標準化為1吸收率單位，如圖15所示。結果的滿標度的曲線使更容易比較作為頻率的函數的吸收率和成份之間的差異。對所有三個光譜區域，即聯合(2050～2350nm)，第一諧波(1550～1850nm)和第二諧波(1100～1400nm)，吸收帶都被觀測認為很明顯。原則上，每個成份都是能去褶合的。應該注意，當和水相互作用時，這些吸收率帶可以移動并展寬。和從基本組I(上述)得到的含水的吸收率作比較，顯示出純凈的或固體的水140，白蛋白141，球蛋白142和三乙酸甘油酯143的吸收率帶都在相同的位置帶有相同的寬度。尿素144和葡萄糖145顯示出附加的峰的分解，這些峰在存在水的情況下被展寬和合并了。
幾個關鍵的光譜特征從這個實例中顯現。首先，聯合帶區域包含了每個個別的分析物的吸收率。這些吸收率在每個場合都比在第一和第二諧波光譜區域里的吸收率更強烈。膽固醇146吸收率在這個區域里迅速下降如可三乙酸甘油酯一樣。此兩者都未有顯著地干擾中心在2150nm上的葡萄糖吸收率帶。僅有的干擾來自水，白蛋白和球蛋白，在實例——線性研究(下述)里顯示它們通過簡單的減除是可以消除的。
在第一諧波光譜區域里除了帶有N-H結合鍵的尿素外每個成份都有吸收率帶。在這里吸收率帶的強度在15％～50％的相應的聯合帶吸收率強度的范圍內變動。應該認識到，這些數值是對固定的程長而言，并且能基于全部的程長而予以調整。
第二諧波光譜區域有被檢測的每個成份的吸收率帶，但是相關的吸收率是最小的，如圖16所示。在這里看到的葡萄糖帶145在存在水140時是很難觀察的。
結論除了在第一諧波光譜區域的尿素外，三個區域的每一個都包含了每一個分析物的信息。吸收率帶高度重疊而且在高頻率上一般說來強度較低。所有的吸收率帶都是十分獨特的。
* * *下面的實例說明第三種基本組“基本組III”的產生實例——基本組III在無邊緣濾波器的情況下重復第一基本組以允許進行所有光譜范圍的比較。上述的第一個實例應用一個1500nm長通濾波器迫使NIRS光譜儀達到1700nm光譜區域的范圍。用增長的光程長可重復本實例以產生在第一和第二皆波光譜區域內更高的信噪水平。
* * *下面的實例說明第四種基本組“基本組IV”的產生實例——基本組IV必須要測量溶液中分子的相互作用。在本實例中收集了一血清數據組。
數據組第一個數據組由溶解在0.1M磷酸鹽緩沖液，調整到pH7.35的溶液中的葡萄糖的光譜組成。試劑級的葡萄糖稱重后和0.1M的磷酸鹽緩沖液一起稀釋到已知體積。用NIRS 5000光譜儀在遍及1100～2500nm的范圍每2nm讀取讀數，在帶有1mm石英池的傳輸模式收集光譜。在樣本前放有一個1500nm長通濾波器以迫使NIRS光譜儀在1600nm峰值信號上設定其增益。在每個樣本之前和之后，收集0.1M磷酸鹽緩沖液的7個光譜。對每個樣本7次有順序的重復地收集全部64個葡萄糖(aq)樣本。葡萄糖樣本覆蓋了大致上20～600mg/dL的動態范圍。所有的樣本均保持在38.0±0.2℃的溫度。
第二數據組由由西部各州血漿(Western States Plasma)準備的血清樣本組成。用標準的SMAC分析分析每一個血清樣本，產生出鈣，離子鈣(經計算的)，磷，葡萄糖，尿酸，尿素氮(BUN)，肌酸酐，肌酸酐/BUN比，全部蛋白質，白蛋白，球蛋白，白蛋白/球蛋白比，全部膽紅素，ALT，ALP，LD(LDH)，AST，GGT，鈉，鉀，氯化物，二氧化碳，甘油三酸酯，和膽固醇的濃度。為了擴展動態范圍和拉平濃度分布，試劑級的尿素和葡萄糖定量地加入到血清樣本中。以上面敘述的方式，在相同的波長區域，程長，溫度控制和長通濾波器，應用NIRS 5000光譜儀。在每個血清樣本之前和之后通過有調整為pH7.35的0.1M磷酸鹽緩沖液。用每個樣本的四次有順序的復制收集全部196個血清樣本。葡萄糖分析物覆蓋了大約20～600mg/dL的動態范圍。
實驗用PLS回歸分析在每數據組中確定葡萄糖。保持所有的復制光譜集合在一起，數據組被分解成校準和預測。最初地從1100～2500nm每2nm收集一個數據點。從這個數據組通過保持每個第二點，每個第三點，每個第四點……直到每個第三十二點形成了附加的數據組。然后用1到10PLS因子確定PLS校準模型和預測。
結果和討論對于每一個分辨率，對于1～10PLS因子，進行結果的校準的標準誤差(SEC)和預測的標準誤差(SEP)被確定，如圖17所示。這里，需要達到最佳因子數目的選擇。因為不同的范圍需要比較，所應用的PLS因子數目的差異能導致錯誤的結論。用統計的方法來確定最佳因子的數目失敗了。因為當系統被過多模擬時，SEP并不增加，并進一步因為對10因子SEC和SEP產生相似的結果，所以為了這個實例的目的，決定用由10PLS因子得到的結果只進行標準誤差從范圍到范圍的比較。
在水中葡萄糖和血清中葡萄糖數據組中都分析十個光譜范圍。這在下面的表1中予以概述。范圍1～3和5～7對應于在近紅外中隔離的六個葡萄糖吸收率帶的在0高度上的完全的寬度。范圍4和8分別將區域1到3和區域5到7拼接到一起。范圍9和10把區域4和8擴大到增加水吸收率，增加噪聲并且沒有附加的葡萄糖信息的區域。
表1應用的光譜范圍
很明顯，更寬的結合了更多的葡萄糖信息(和水和溫度)的光譜區域導致了在任何分辯率上比三個各別的葡萄糖吸收率帶中的任何一個更低的標準誤差。
對在本實例中使用的標準的0.040”出射狹縫，NIRS光譜儀的名義上的分辨率是10nm。還有，當分辨率從2下降到10nm，標準誤差被觀測到有稍許增加。這是起因于數據組從最初的2nm分辨率數據組創立起來的方式。例如，在產生的6nm分辨率數據組里，每第三個光譜點被保留了。這意味著三分之二的數據被拋棄了。被拋棄的數據有葡萄糖，水和溫度信號。此外，通過保留這些額外點，有效的噪聲通過信號的平均而減小。只要NIRS 5000的真實的分辨率是10nm，在SE相對分辨率的圖形上觀測到的斜率的100％是起因于這個有規則誤差。此外，在10～32nm分辨率上可以觀測到同樣的斜率。
帶有每2毫微米一點的最初的數據組再次被分解成帶有在2nm間隔上的從2到32nm分辨率范圍的數據組。這次，以將數據作平均代替拋棄額外的點。例如，在6nm分辨率上，在1100，1102，和1104nm上的點被平均為一個單個點。下一個點平均在1106，1108和1110nm上的數據點。然后重復進行PLS分析和確定帶有第十個因子的標準誤差，如圖18所示。隨著分辨率下降而觀測到的標準誤差的增加，被觀測到增加到范圍為5～10mg/dL標準誤差，與分辨率為2～32nm的5～25mg/dL標準誤差相對。很明顯，平均數據點的失誤導致了標準誤差相對于分辨率的斜率的增加。雖然標準誤差從2到32nm分辨率粗略地翻倍，此數據說明，對水溶液中葡萄糖，可接受的分辨率可以是32nm或更大。這具有化學上的意義，只要本實例中最窄的吸收率帶為54nm寬。必須指出，在本實例中沒有光譜干擾。所以，實際上的可接受的分辨率僅能從這個分辨率下降。
2℃對第一諧波區域，對用平均數據在2～32nm分辨率上產生的數據組，隨著分辨率下降的標準誤差的增加將大大減小，如圖19所示。此外，對于該光譜區域，在大于16nm的分辨率上，少于10點被保留。所用的PLS算法僅在和所有的數據點一樣多的因子上運算。如果對帶有附加的因子的標準誤差提出懷疑，在因子數目等于能得到的點數的情況下標準誤差產生了。因為在本實例中(參看圖17)，標準誤差繼續隨著因子數目的增加而減少，用10PLS因子對各種分辨率比較標準誤差就不正確。對1587～1754nm光譜區域用6PLS因子在下降的分辨率上直接比較標準誤差呈現在圖20。隨著分辨率下降觀測到的增加的標準誤差隨著分辨率在15nm以下就觀測不到了。對于這個光譜區域，這是真實的標準誤差的比較。圖18的結果對2078～2366nm光譜區域還是有效的，是因為其包含著十個或更多的點和直至30nm的分辨率的大范圍。
血清中的葡萄糖圖21到圖30提供了對十個不同的光譜區域的血清中葡萄糖研究的SEC和SEP相對分辨率的曲線。結果和水中的葡萄糖總體說是一樣的。
聯合帶區域首先被分析。帶有最大的葡萄糖吸收率帶的范圍1產生了對隔離了單個葡萄糖吸收率帶的區域最低的標準誤差，如圖21所示。范圍2和3產生了更大的標準誤差和有更小的帶有降低的信噪水平的葡萄糖吸收率帶，如圖22和23所示。范圍2和3在下降的分辨率上的分析受到每個范圍內存在的數據點數目的限制。連接前三個區域的范圍4表明了最低的標準誤差，如圖24所示。對點的平均再次減小了隨著分辨率下降的標準誤差的增加。當分辨率從2下降到30nm時觀測到的標準誤差從35增加到50mg/dL完全是由于缺少萃取方面的信息而不是平均數據點。雖然標準誤差要比水中葡萄糖實例高，本實例表明，甚至在存在所有的光譜干擾時，除了皮膚和血細胞外，分辨率基本上不是一個效應，直至30nm的分辨率以后。這和水中的葡萄糖的結果是一樣的。被結合的PLS因子的數目不是一個問題是由于甚至在30nm分辨率上也存在10個點的事實。范圍9結合了所有的范圍4以及擴展到超過葡萄糖在更高和更低的頻率上吸收的范圍，如圖29所示。從2nm到30nm在標準誤差方面沒有觀測到分辨率效應。
在第一諧波光譜區域分辨率的效應更難以說明，是由于降低的信噪水平和選擇的更狹窄的光譜范圍。范圍5在諧波光譜窗口有最大的葡萄糖吸收率帶并導致最低的標準誤差。范圍6和7被顯示對水中葡萄糖有很差的信噪水平(沒有呈現)。標準誤差實質上是中心預測值的平均值，如圖26和27所示。在下降的分辨率上效應變得更差，起因于在每個光譜范圍中的點的數目。范圍8顯示了真實的葡萄糖預測值，如圖28所示。這個范圍是用平均的數據而不是經選擇的數據進行重新分析，參看圖31。由于在數據中存在的點的數目的緣故，用10PLS因子，觀測到的隨著下降的分辨率而增加的標準誤差實質性地和沒有平均數據的情況完全一樣。這可以在只有6PLS因子(在30nm分辨率上存在6點)的情況下通過比較標準誤差而顯示。在分辨率達到20nm之前沒有分辨率效應被觀測到。從范圍8擴展到更高和更低頻率的范圍10在30nm分辨率上存在10個數據點，且在直到20nm之前沒有顯示出分辨率效應，如圖30所示。
結論水中的葡萄糖數據組有充分的信噪水平以確定帶有所需規格的葡萄糖。對葡萄糖狹窄的吸收率帶而言隨著分辨率下降標準誤差會上升是不真實的。產生新的數據組部分地是選擇這些點而不是平均這些點的結果。此外，新的數據組不包含足夠的數據點來比較用10PLS因子的2nm分辨率數據的分析和32nm分辨率數據的分析。分辨率效應在這個比較中可以用更少的PLS因子或用更大的光譜范圍來提出。對于兩種方法，分辨率效應在聯合帶區域最小到30nm，在第一諧波光譜窗口為15nm。
因為最好要得到儀器可能達到的最高的信噪比，有30nm的分辨率是可以接受的。那就是，通過有更小的(但是還是能接受的)分辨率，例如有30nm分辨率來替代10nm分辨率，儀器能獲取更高的相對于噪聲的信號。這樣，即使分辨率不高，儀器產生的信號里還是包含有更多的信息。作為結果，在本發明的最佳實施例里選擇的分辨率提供了一個更為精確的光譜的圖象，雖然儀器的分辨率并不高。這是因為在需要的分辨率上有更高的信噪比。作為對照，如果儀器能得到額外的分辨率，但有更低的信噪比，只能得到更少的信息供基本組來處理。
在這實例中，血清中葡萄糖數據組曾導致了粗略地三倍于葡萄糖數據組的標準誤差。再有，分析被限制到或者是大的光譜窗口，或者是對于狹窄范圍和更少的PLS因子進行比較。在聯合帶光譜區域，隨著分辨率下降觀測到標準誤差上升最小到30nm分辨率。在第一諧波光譜窗口內，標準誤差相對分辨率的斜率最小到20nm分辨率。這些結果和水中葡萄糖研究中產生的結果實質上是完全相同的。蛋白質，甘油三酸酯，膽固醇，尿素，鹽，和較少的有機組分的效應被觀測到不影響所要求的分辨率。
* * *實例——基本組V必須測量全部血液細胞的散射效應。這個基本組的產生如下·收集傳輸中的以及作為漫反射率的血液數據組·重復成分萃取。·連接散射修正·去褶合(參見下述去褶合的討論)實例——基本組VI必須測量皮膚效應，進行動物研究和重復所有的先前分析技術。非侵害性研究可以看作是基本組的擴展。
* * *基本組的應用需要對一系統有關諸如下面一些因素的化學和物理的知識·明智的波長選擇，例如有關每個分析物的干擾的位置和程度的知識。·作為區域函數的噪聲水平的闡述。·作為波長的函數的對每個分析物的信號水平的闡述。·對每一分析物選擇最佳的信噪比區域。
本發明的儀器設備的分辨率規范在前面已闡述。需要來提供合適的儀器分辨率的模擬——數字轉換(A/D)位數可以從非侵害性光譜和葡萄糖強度(吸收率)計算出來。對這種確定，必須了解整個系統的最大強度以及葡萄糖在需要的標準誤差上的強度。如果最大的樣本強度對負吸收單位是10，就僅必須計算主體掃描強度，包括所有的吸收體。為了確定葡萄糖的強度，所要求的標準誤差是9mg/dL。葡萄糖和水的強度以及水的強度是用來(如上所述)計算葡萄糖和水的強度減去水的強度的。這就導出了葡萄糖的強度的值。一旦葡萄糖的強度確定后，就必須確定葡萄糖強度的改變，例如把基線移向峰值，作出葡萄糖強度的改變相對于葡萄糖濃度的曲線。這提供了一個最好的適配數據，該數據可以使其適合于一條線以計算出在9mg/dL處的強度的改變。一旦這個數值獲得了，這個值和最大的葡萄糖強度的比例就容易計算出來。這個比例限定了在系統中模擬——數字轉換所需要的位數。例如，如果該比例是50000，則需要16位的A/D，因為必須提供充足的定量以避免混淆問題。這樣，基本組在規定儀器參數中就有用了。
闡明多變量結果。多變量結果難以證實。標準誤差必須和基本組信息相互關聯。如果加入了噪聲區域，信噪比就下降。所以就必須將標準誤差和信噪比關聯起來。
關于在光柵式光譜儀里消除第二，第三……階光，就需要長通濾波器。基本組支配了濾波器的規格。
關于消除散射，這樣的確定基于折射率的改變。在本發明的最佳實施例里，基本組消除散射和溫度效應。對附加的分析物重復這個步驟，經減小的光譜用多變量的方法進一步處理。
非侵害性光譜的去褶合。部分的去褶合減小了第一是溫度和水，然后是蛋白質，然后是有機成份的等級次序。形成的光譜然后可以饋入到多變量方法中。然而，經減小的信號的動態范圍迫使PLS鎖定于較小的分析物，諸如尿素和葡萄糖，而不是水和溫度。
在近紅外場合對于葡萄糖，干擾的數目是有限制的，主要的干擾在濃度上有合適的中斷(breaks)。最大的濃度/效應是溫度和水。處理應該消除折射率，這大約是100g/dL。
在水和蛋白質之間存在大的濃度差距。這個事實可被利用來重復去褶合。
白蛋白和球蛋白蛋白質大約是1～7g/dL。這些干擾可以通過光譜減除或轉動容易地識別和消除。
實例——線性介紹基本組用以確定干擾葡萄糖的每個主要種類的位置和強度。它也論證了對一個給出的成份，吸收率線性地隨著濃度的增加而增加。在這個實例中顯示了多重成份的吸收率是各別成份的總和，正如Beer定律設想的那樣。這對這里敘述的用光譜減除化學信息以增強葡萄糖的信噪水平的途徑是重要的。
實驗光譜用NIRS 5000光譜儀配置成傳輸模式帶有1mm程長石英樣本池以四次重復的方式收集的。所有樣本為試劑級并在0.1M磷酸鹽緩沖液在pH7.35制備，而光譜在38.0±0.2℃下收集。
六個單個的分析物溶液被制備好4000和8000mg/dL白蛋白，2000和4000mg/dL球蛋白，和200和400mg/dL三乙酸甘油酯。由上述六個樣本濃度通過一切可能的排列和組合又制備出八個另加的樣本。例如，一個樣本由8000mg/dL白蛋白，2000mg/dL球蛋白和200mg/dL三乙酸甘油酯組成。
結果和討論顯示的三條水的光譜，8000mg/dL白蛋白，2000mg/dL球蛋白和200mg/dL三乙酸甘油酯主要作為水的吸收率帶，如圖32所示。用同樣的用在基本數據組中力求匹配程長和溫度效應(上面討論的)的算法實現的減除水，被用來在遍及1640～1655nm，和2077～2085nm光譜范圍內使剩余物減到最小大約0吸收率，如圖33所示。不完全的溫度和程長減除的結果在1890～2010nm周圍的區域里起支配作用，在該區域里由于大的水吸收率沒有信號產生。結果的光譜顯示出六個起支配作用的，中心點在1690，1730，2060，2170，2285和2335nm的蛋白質吸收率帶。
單個的分析物白蛋白樣本的光譜在圖34顯示。8000mg/dL白蛋白峰接近正好二倍于4000mg/dL白蛋白峰，說明Beer定律有效。8000mg/dL白蛋白光譜的平均值從圖33中的光譜里減除以產生圖35顯示的光譜。被此遮蓋的是2000mg/dL球蛋白光譜。很明顯，減除100000mg/dL(100g/dL)水和8000mg/dL白蛋白以后，球蛋白光譜的基本形狀是可以辨得出的。差異是200mg/dL三乙酸甘油酯和基線偏移的總和。
單個的分析物球蛋白樣本的光譜在圖36顯示。4000mg/dL球蛋白峰260，261，262接近正好二倍于2000mg/dL球蛋白峰263，264。再次，2000mg/dL球蛋白光譜的平均值從圖33中顯示的光譜里減除以產生圖37的光譜。被此遮蓋的是標準的200mg/dL三乙酸甘油酯光譜。再重復一次，減除100,000mg/dL水，8000mg/dL白蛋白和2000mg/dL球蛋白之后，中心值位于1675，1715，1760，2130，2250和2320nm的200mg/dL三乙酸甘油酯峰就能看見了。未知的濃度可以通過轉動減除。
結論對于一個相對簡單的混合物，減除高濃度水，白蛋白和球蛋白產生了三乙酸甘油酯的光譜。很明顯，在溫度和程長修正中的小誤差擴散到對低濃度分析物的基線的大誤差里去了。減除中的誤差也許來自于散射也還是可能的。為了修正這點，可以應用標準的多重散射修正算法。很明顯，直接減除能產生通過目測就能顯示對更低濃度分析物產生更高的信噪比的光譜。
注意血清中比不包括在這個實例中的葡萄糖有更高的近紅外吸收僅有的二種分析物是膽固醇和尿素。
* * *基于剩余的分析物的最小的或限定的吸收率的區域，在本發明的應用中，用重復減除來代替直接的光譜減除。在本發明另一個同樣最佳的實施例中，為了隔離面對面的互為分析物和干擾物的目的可以利用另一個濃度間隙。兩種現有的最佳途徑包括·用多變量技術進行分析，因為干擾物和葡萄糖的動態范圍是相同的；和·通過去褶合/減除進一步消除甘油三酸酯，膽固醇，尿素。
產生基本組的一個途徑是復制。例如，在一個樣本里，減除水以后就確定白蛋白和球蛋白。一旦白蛋白和球蛋白確定后，并且知道了水的濃度，白蛋白和球蛋白就可以再次消除，這一次不過是更為精確些。這個復制過程進行到某些預先確定的精度限定，然后甘油三酸酯和膽固醇就被結合到分析中去。
雖然在本文中是根據最佳實施例敘述了本發明，但對本專業熟悉的人士將容易地認識到其他的應用也可以替代本文中提出的應用而不會脫離本發明的精神和范圍。因此，本發明應該僅能由包括在下文中的權利要求出來限定。
權利要求
1.一種用多光譜分析確定一個樣本中目標分析物濃度的方法，其特征在于，它由以下步驟組成產生至少一個包括至少一種所述樣本中的干擾成分的基本組；和把代表所述樣本的光譜信號應用于所述基本組；其中，所述樣本的對應所述分析物的成份由所述基本組的應用來識別。
2.如權利要求1所述的方法，其特征在于，所述樣本是血清；和所述基本組由包括任何的水，溫度/氫效應，結合鍵效應，白蛋白，球蛋白，蛋白質，甘油三酸酯，膽固醇，尿素，散射修正，折射率修正，透射深度，和有機物，身體和物理成份的干擾成份組成。
3.如權利要求1所述的方法，其特征在于，所述基本組不包括那些不干擾所述分析物的探測的成份。
4.如權利要求1所述的方法，其特征在于，它還包括下述步驟識別所有相關的干擾成份。
5.如權利要求4所述的方法，其特征在于，它還包括下述步驟確定每個所述干擾成份怎樣相互作用。
6.如權利要求5所述的方法，其特征在于，它還包括下述步驟萃取每個所述干擾成份。
7.如權利要求6所述的方法，其特征在于，它還包括下述步驟將每個所述干擾成份的光譜和溶液中的每個所述干擾成份的光譜相比較。
8.如權利要求1所述的方法，其特征在于，順序地和重復地產生對每個所述干擾成份的一個基本組。
9.如權利要求1所述的方法，其特征在于，它還包括下述步驟表明所述樣本中每個所述干擾成份的特性；和從在研究檢測的頻率上產生的光譜中減除每個所述干擾成份。
10.如權利要求8所述的方法，其特征在于，它還包括下述步驟用數學方法合并所述基本組以產生一組可以儲存在查尋表供分析期間使用的變換。
11.如權利要求1所述的方法，其特征在于，它還包括下述步驟把所述基本組應用到在所述多光譜分析期間產生的一個信號中以識別代表所述分析物的一個信號；把多變量分析應用到所述信號中。
12.如權利要求11所述的方法，其特征在于，所述多變量分析包括部分最小二乘分析，接著是主要成份分析。
13.一種產生至少一個基本組供在用多光譜分析確定一個樣本中目標分析物濃度中應用的方法，其特征在于，所述方法包括下述步驟在和所述分析物的頻率一樣的頻率上識別至少一種所述樣本的相關干擾成份；在其他頻率上識別所述至少一種相關干擾成份以量化所述干擾成份在所述其他頻率上的吸收率；和在所述分析物頻率上清除所述至少一種干擾成份。
14.如權利要求13所述的方法，其特征在于，為每一個所述至少一種干擾成份重復所述方法的每一步驟以產生對于一分析物的多個基本組。
15.如權利要求13所述的方法，其特征在于，它還包括下述步驟用所述基本組通過以下步驟確定所述樣本中所述目標分析物的濃度用光譜裝置收集光譜數據；將用所述光譜裝置收集的光譜數據轉換成數字數據；根據儲存在一個或多個查尋表(LUT)中的各種變換對這種數字輸入數據進行運算，其中所述LUT包含結合所述基本組的變換，以及其中所述變換用所述基本組從通過所述光譜裝置產生的光譜信號中識別和消除干擾成份。
16.如權利要求13所述的方法，其特征在于，它還包括下述步驟將所述基本組儲存在查尋表中。
17.如權利要求13所述的方法，其特征在于，所述基本組包括所述分析物在不同的研究檢測生理學濃度上的一系列光譜。
18.如權利要求15所述的方法，其特征在于，所述基本組應用在一物理模型之前或與其相連接，該模型修正包括任何散射，程長和溫度的物理干擾因子。
19.如權利要求13所述的方法，其特征在于，它還包括下述步驟提供多個用以對液體樣本中的分析物進行量化的基本組。
20.如權利要求13所述的方法，其特征在于，它還包括下述步驟對每個光譜窗口選擇不同的程長。
21.如權利要求20所述的方法，其特征在于，所述程長包括對聯合帶區域大約1mm；對第一諧波區域大約2～8mm；和對第二諧波區域大約10mm或更大。
22.如權利要求13所述的方法，其特征在于，在分析期間一個或多個基本組被應用到一個光譜信號以產生一個精確的光譜描述，分析物濃度可以從該描述中精確確定。
23.如權利要求13所述的方法，其特征在于，所述基本組包括在所述樣本中找到的所有干擾成份。
24.一種用多光譜分析確定樣本中一個目標分析物濃度的設備，其特征是，它包括至少一個包括所述樣本中的至少一個干擾成份的基本組；其中代表所述樣本的一個光譜信號被應用到所述基本組；和其中所述樣本的對應所述分析物的成份通過應用所述基本組來識別。
25.如權利要求24所述的設備，其特征在于，所述樣本是血清；所述基本組由干擾成份組成，干擾成份包括任何的水，溫度/氫效應，結合鍵效應，白蛋白，球蛋白，蛋白質，甘油三酸酯，膽固醇，尿素，散射修正，折射率修正，透射深度，和有機物，身體和物理成份。
26.如權利要求24所述的設備，其特征在于，所述基本組不包括那些不干擾所述分析物的探測的成份。
27.如權利要求24所述的設備，其特征在于，所述基本組還包括所有相關的干擾成份。
28.如權利要求27所述的設備，其特征在于，所述基本組通過確定每個所述干擾成份是怎樣互相作用來產生。
29.如權利要求28所述的設備，其特征在于，所述基本組進一步通過萃取每個所述干擾成份來產生。
30.如權利要求29所述的設備，其特征在于，所述基本組進一步通過將每個所述干擾成份的光譜和溶液中的每個所述干擾成份的光譜進行比較來產生。
31.如權利要求24所述的設備，其特征在于，它進一步包括一個基本組適合于每個所述干擾成份。
32.如權利要求24所述的設備，其特征在于，所述基本組通過表征所述樣本中的每個所述干擾成份以及從在研究檢測的頻率上產生的光譜中減除每個所述干擾成份來產生。
33.如權利要求31所述的設備，其特征在于，所述基本組還包括可以儲存在一個查尋表中以供分析期間使用的用數學方法產生的一個變換組。
34.如權利要求24所述的設備，其特征在于，所述基本組被應用到在所述多光譜分析期間產生的一個信號中以識別代表所述分析物的一個信號；以及多變量分析被應用到所述信號。
35.如權利要求34所述的設備，其特征在于，所述多變量分析包括部分最小二乘分析，接著是主要成份分析。
36.一個用來用多光譜分析確定樣本中的一個目標分析物濃度的基本組，其特征是，所述基本組包括在和所述分析物的頻率一樣的頻率上代表所述樣本中的相關干擾成份的光譜信息；以及在其他頻率上的用以量化在所述其他頻率上所述干擾成份的吸收率的代表基本上所有所述相關干擾成份的光譜信息；其中所述干擾成份的光譜信息從在所述分析物頻率上的樣本光譜中消除；所述基本組在多光譜分析期間由一處理器儲存在存儲器中供使用。
37.如權利要求36所述的設備，其特征在于，它還包括對一個分析物的多個基本組。
38.如權利要求36所述的設備，其特征在于，它還包括一種用于用所述基本組確定所述樣本中所述目標分析物濃度的儀器，所述儀器包括一個光譜裝置用以收集光譜數據；一個模擬——數字轉換器用以將由所述光譜裝置收集的所述光譜數據轉換成數字數據；一個根據儲存在單個或多個查尋表(LUT)中的各個變換對這種數字輸入數據進行運算的處理器，其中所述LUT包含結合所述基本組的變換，和所述變換用所述基本組，從由所述光譜裝置產生的光譜信號中識別和消除基本上所有的干擾組份。
39.如權利要求36所述的設備，其特征在于，其中所述基本組被儲存在查尋表中。
40.如權利要求36所述的設備，其特征在于，所述基本組包括所述分析物在研究檢測的不同的生理學濃度上的一系列光譜。
41.如權利要求38所述的設備，其特征在于，所述基本組應用在一物理模型之前或與其相連接，該模型修正包括任何散射，程長和溫度的物理干擾因子。
42.如權利要求36所述的設備，其特征在于，它還包括用于量化液體樣本中一種分析物的多個基本組。
43.如權利要求36所述的設備，其特征在于，對每個光譜窗口選擇不同的程長。
44.如權利要求43所述的設備，其特征在于，所述程長包括對聯合帶區域大約1mm；對第一諧波區域大約5～10mm；對第二諧波區域大約10mm或更大。
45.如權利要求36所述的設備，其特征在于，一個或多個基本組被應用到分析期間的光譜學信號中以產生精確的光譜描述，通過該描述分析物的濃度可以精確確定。
46.如權利要求36所述的設備，其特征在于，所述基本組包括在所述樣本中找到的所有干擾成份。
47.如權利要求36所述的設備，其特征在于，所述光譜信息是無侵害性地收集的。
全文摘要
一種或多個基本組在分析期間被應用到光譜信號中以產生一個精確的光譜描述,從該描述中分析物濃度可以精確地確定。一個基本組包括在諸如血清的樣本中找到的所有的干擾成份。關于諸如葡萄糖的分析物,就必須限定樣本中的那些比葡萄糖有更大干擾的成份。例如,生成的基本組能產生一個會干擾或散射光的對紅血球的變換;以及對皮膚效應也是如此。一旦所有這些成份的光譜已知,然后必然確定這些成份中的每一個是怎樣互相作用的,例如,獲取血清數據,萃取每一種成份,然后將個別成份的光譜和溶液中的成份的光譜進行比較。本發明表征了樣本中的每一種成份,也表征了所有其它可能的干擾物,在產生每一種成份在每一個研究檢測頻率上的精確的描述以后,識別和從在研究檢測的頻率上產生的光譜中減除每一種干擾。基本組可以采取變換的形式,該變換可以儲存在查尋表中供分析時使用。
文檔編號G01N21/35GK1275200SQ98810041
公開日2000年11月29日 申請日期1998年7月27日 優先權日1997年8月14日
發明者斯蒂芬·F·馬林, 凱文·H·哈森 申請人:儀器測量公司